基于小波變換與人工神經網絡的表面肌電信號分析.pdf_第1頁
已閱讀1頁,還剩67頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、肌電信號是人體自主運動時神經肌肉活動發(fā)出的生物電信號,它反映了神經、肌肉的功能狀態(tài)。表面肌電信號是使用方便且無痛苦的表面電極測得的肌電信號。在對認識和了解人體神經系統(tǒng)信息傳遞、基礎醫(yī)學研究、臨床診斷、運動醫(yī)學和康復工程中均有廣泛的應用。如何從表面肌電信號中有效地提取信息并實現(xiàn)準確、實時的動作識別,是表面肌電信號研究的關鍵性問題。
  本文以加拿大生產的INFINITI多導生物反饋儀所采集的表面肌電信號為研究對象。該生物反饋儀體積小

2、巧,攜帶方便,其本身自帶解碼器,不需要與特定PC相連,作為新型的肌電信號采集裝置,有很好的應用前景。但對其采集的表面肌電信號的相關分析工作還比較少見。本文基于INFINITI生物反饋儀的表面肌電信進行上肢動作識別的研究,所做的主要工作如下:
  1.在表面肌電信號的去噪方面進行了研究。采用軟域值去噪的方法,主要討論閾值選取的問題。對Birge-Massart分層閾值與全局閾值小波降噪方法進行了比較,通過實測數(shù)據驗證了分層閾值方法的

3、有效性。
  2.針對肌電信號的非平穩(wěn)特性,采用小波變換方法對表面肌電信號進行特征提取,提取小波系數(shù)絕對值最大值構造特征矢量,輸入神經網絡分類器進行模式識別。
  3.對動作模式識別中的分類器技術進行了研究。在搞清BP網絡固有缺陷的前提下,采取多種優(yōu)化算法對BP網絡進行改進。本文引入Resilientback-PROPagation算法對BP網絡進行了改進,并將改進后的BP神經網絡應用于表面肌電信號的動作識別方面,得到了分類

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論